2014年度　第2回バイオインフォマティクス実習

1. 第2回バイオインフォマティクス実習コース
横浜市大 先端医科学研究センター
バイオインフォマティクス研究室
室長 田村智彦
准教授 中林潤
免疫学 藩龍馬
小泉真一
•マイクロアレイデータの可視化
•樹形図
•散布図、MA-Plot
•ヒートマップ 1

2. コマンド入力時の注意事項
a) 大文字、小文字は区別する
b) スペースは入力する必要ない
c) 配布資料中の はenterキー
d) 配布資料中の“”はバックスラッシュ
e) ↑キーで入力のやり直しができる

3. 答え合わせ
• 課題 GSE26910からデータを取得し、正規化、
ファイルへの出力を行う
• 足りないライブラリ
pd.hg.u133.plus.2
R console X
> biocLite(“pd.hg.u133.plus.2”)
> library(pd.hg.u133.plus.2)

4. platform
Human
Genome
U133
Plus 2.0

5. R console X
> Sys.setenv(http_proxy=“http://proxy.yokohama-cu.ac.jp:8080”)
> Sys.getenv(“http_proxy”)
• PC起動 各自のアカウントでログイン
• R起動 スタートメニュー 4.統計解析ツール
• Proxyの設定

6. 正規化後の遺伝子発現ファイル
• 課題配布フォルダ
→GSE40493→GSE40493_Normalized.txt
• 各自のデスクトップフォルダ→GSE40493フォ
ルダにコピー

7. 作業ディレクトリを変更
ファイルメニューから“ディレクトリの変更”を選択
各自のデスクトップ→GSE40493フォルダを選択
7

8. ファイルの読み込み
8
R console X
> x <- read.table(“GSE40493_Normalized.txt”, header=T, sep=“t”)
> head(x)

9. GEOデータベース
http://ncbi.nlm.nih.gov
GEO Datasets
を選択
アクセション番号を入力
GSE40493
9

10. Platform情報の取得
Pltaform

11. Platform情報の取得
Download full tableをクリック

12. array ID その他の ID

13. Platform情報の取得
• 課題配布フォルダ
→BioInfoJishu→GPL_6246-
21513_ID_NAME
• 各自のデスクトップのGSE40493フォルダに
コピー

14. IDファイルの読み込み
アレイIDと遺伝子名の関連付け
R console X
> id <- read.table(“GPL6246_21513_ID_NAME.txt”, header=T, sep=“t”)
> head(id)
> x_id <- merge(id, x, by.x=“ID”, by.y=“X”)
> head(x_id)
14
merge(A, B, by.x=“Aの項目”, by.y=“Bの項目”)
AとBを項目Aと項目Bとで関連付け

15. R console X
> tx <- t(x[,3:10])
> tx_dist <- dist(tx)
> tx_cluster <- hclust(tx)
> plot(tx_cluster)
15
階層的クラスタリングと樹形図
距離行列
階層的クラスタリング
樹形図
天地行列 t(行列)
距離行列 dist(行列)
hclust(距離行列)

16. 図のPDFファイルを保存
ファイルメニューから
save as → PDFファイルを選択
ファイル名をつけて保存

17. 散布図
R console X
> plot(x_id[,3], x_id[,4], xlab=“KO1_1”, ylab=“KO1_2”, main = “Scatter Plot”, pch=20)
> plot(x_id[,3], x_id[,7], xlab=“KO1_1”, ylab=“WT1_1”, main = “Scatter Plot”, pch=20)
plot(x値, y値, option)
option : type = “p” or “l” or “b”
xlab = “x軸名”
ylab = “y軸名”
pch = ・の種類 （数字）
col = “色”

18. MA-Plot
R console X
> plot((x_id[,4] + x_id[,3]) / 2, x_id[,4] – x_id[,3], xlab=“A”, ylab=“M”,
+ main = “MA-Plot”, ylim = c(-7, 7), pch=20)
> plot((x_id[,7] + x_id[,3]) / 2, x_id[,7] – x_id[,3], xlab=“A”, ylab=“M”,
+ main = “MA-Plot”, ylim = c(-7, 7), pch=20)

19. R console X
> x_mean <- cbind((x_id[,3] + x_id[,4]) / 2,
+ (x_id[,7] + x_id[,8]) / 2)
> x_mean <- data.frame(x_mean)
> rownames(x_mean) <- x_id$GeneName
> colnames(x_mean) <- c(“KO”, “WT”)
> head(x_mean)
> x_sub <- subset(x_mean, x_mean$WT / x_mean$KO > 1.1)
> nrow(x_sub)
> head(x_sub)
19
WT1の平均値とKO1の平均値の行列を生成
WT/KO > 2の遺伝子を選別
cbind(ベクトル1, ベクトル2, …)

20. Bioconductor, biocLiteの設定
Bioconductor
バイオインフォマティクス関連のパッケージを配布しているサイト
biocLite.R
バイオインフォマティクス関連のパッケージをインストールするインストーラ
パッケージ間の依存関係やバージョンの整合性を調整してくれる。
R console X
> source(“http://bioconductor.org/biocLite.R”)
20

21. R console X
> biocLite(“gplots”)
> library (gplots)
> heatmap.2(as.matrix(x_sub), trace = “none”, density.info = “none”,
+ col = greenred(75), cexCol = 2.0, cexRow = 0.25)
21
package “gplots”
heatmap.2

22. 課題
• GSE26910のデータについても樹形図、散布
図、MA-plot、ヒートマップを描いてください。